Måle ferdigheter i en alder av smidig arbeid 

Innsikt i arbeidsstyrkens evne og kapasitet hjelper ledere med å finne produktivitetsutfordringer og effektivt flyte talent med de riktige ferdighetene (eller ferdigheter som er kritiske til utvikling) til de riktige mulighetene. Likevel sier mindre enn halvparten (47 %) av de ansatte i dag at lederne forstår deres nåværende ferdigheter.^[1] Videre vurderer 48% av selskapene ikke ferdighetsinnsikt for karrierevei og talentmobilitet.^[2]

Disse ferdighetene "svart hull" eksisterer delvis på grunn av ulike meninger om tilnærminger til ferdighetsmåling. På den ene siden er HR-tekniske ledere bullish på kraften til AI (og spesielt ferdighetsslutninger) for å levere ferdigheter i stor skala. På den annen side, vurdering fagfolk, som lenge har stolt på sertifiserte objektive tester for å måle en persons ferdigheter, reiser bekymringer om hensiktsmessigheten av å bruke AI-baserte ferdigheter slutninger for å informere lønnsbeslutninger, etterfølger trekk eller spesielle prosjekter oppgave - fordi innsikt er ofte utledet fra tidligere erfaringer, tidligere jobber eller andre datakilder og kan ikke verifiseres. Disse fagfolkene stiller spørsmål ved tilrådeligheten av å gå all-in og ta talentbeslutninger basert på slike data alene.

Selv om begge argumentene har fortjeneste, har denne sunne debatten om den beste tilnærmingen til å bygge ferdighetsinnsikt bidratt til mangel på konsistens i ferdighetsmåling, og legger til forvirringen rundt hvordan man kombinerer ulike typer talentinnsikt for å forbedre beslutningsprosessen.

I dag utnytter bare 9% av virksomhetene teknologi for å utlede ferdigheter.^[3] Og de fleste anekdotisk vurdere sine tilnærminger til å forstå ferdigheter til å være under par. Dette gjør det vanskelig å få et klart bilde av ferdigheter på tvers av medarbeiderpopulasjoner og jobbtyper - og ofte enda vanskeligere å sammenligne data mellom interne og eksterne talentgrupper. Agility lider også, med bare 27% av ledere som er sterkt enige i at deres arbeidsstyrkemodeller er smidige nok til å dreie talent fra ett område av virksomheten til et annet.^[4] Utfordringen blir enda mer presserende med det økende behovet for solide data og pålitelig innsikt når bedrifter begynner å jobbe på mer smidige måter som krever byggeferdigheter i arbeidsflyten. Tenk for eksempel på hvordan AI driver behovet for raskere oppskilling på grunn av den reduserte holdbarheten til tekniske ferdigheter. Eller det faktum at ansatte søker større intern karrieremobilitet i jakten på progresjon.

Som det står, måler de fleste bedrifter ferdigheter basert på nåværende jobb (71%) eller lederidentifikasjon (68%), og nesten halvparten (49%) bruker selvrapportering av ansatte.^[5] Nivå opp til Workforce 2.0, hvor menneskelig evne låses opp gjennom større teaming mellom mennesker og maskiner, vil avhenge av å distribuere de mest hensiktsmessige ferdighetsmålingsmetodene på det mest hensiktsmessige tidspunktet. Selv om vi aksepterer at det ikke er noen sølvkule for forbedret smidighet eller produktivitet, kan vi ta bedre mennesker og forretningsbeslutninger når vi har riktig innsikt tilgjengelig til rett tid. 

Som en del av en bredere talentinnsiktsstrategi gir enhver metode for å vurdere ferdigheter en større forståelse av ansattes evner og potensial, samt deres preferanser, motivasjoner og karriereambisjoner. Dataene som samles inn kan informere talentbevegelser, erfaringer og læring som trengs for å bidra til å låse opp større smidighet - ikke bare i dag, men også i morgen. Datastøttet vurdering gjør det mulig for oss å finne områder for redesign av arbeid der det ikke finnes tilstrekkelige ferdigheter. Det kan også informere strategisk arbeidsstyrkeplanlegging ved å hjelpe ledere med å identifisere potensielle flaskehalser og områder der den nåværende strategien ikke vil levere de nødvendige ferdighetene for anslåtte forretningsbehov.

Å ta bedre talentbeslutninger krever en mangefasettert og fleksibel ferdighetsmålingsstrategi for å veilede og styre ferdighetsdata på tvers av bedriften – med klare retningslinjer for hvordan disse dataene brukes og distribueres:

Selv om hver metode for å samle ferdighetsdata har sine respektive fordeler, kan metoder også kombineres for å male et mer komplett ferdighetsbilde som styrker talentbeslutninger og kan bedre informere forretningsstrategi.

En organisasjons ferdighetsmålingsstrategi og det tiltenkte utfallet vil avgjøre når og hvordan hver metode brukes. Basert på vår erfaring med implementering av kompetansedrevne organisasjoner, har vi gitt en oversikt nedenfor over hvordan du best kan bruke hver tilnærming:

Utledede ferdigheter kan identifiseres av AI-basert programvare som "tagger" ferdigheter til en person ved å skrape og tolke eksisterende data. Ofte er det to lag til denne metoden:

Innledende skrapte data fra:

• Jobbhistorikk
• Gjenoppta/CV eller profesjonell jobbprofil (f.eks. LinkedIn)
• Personlige profiler    

Og forbedret av:

• Statiske data innhentet i programvare for kapitalforvaltning eller andre systemer
• Dynamiske HR-data fra programmer for læring, ytelse og anerkjennelse
• Ustrukturerte data fra forretnings- og samarbeidsprogramvare, inkludert administrasjonsplattformer for kunderelasjoner, prosjektprogramvare og e-post/chat  

Noen ledende modeller forsøker også å utlede ferdighetsnivået knyttet til en ferdighet, men nåværende evner er fortsatt i sin barndom. I stedet bruker de fleste arbeidsgivere den nominelle ferdighetsmetoden (beskrevet i #2 nedenfor) for å indikere ferdighetsnivå.

I denne metoden vurderer den ansatte og/eller deres leder (og muligens deres kolleger) den ansattes ferdighetsevne. Denne vurderingen er vanligvis basert på hvilke ferdigheter som er kritiske for den nåværende eller fremtidige rollen. Rangerte ferdighetsdata gir større strenghet enn utledede ferdigheter i å forstå en ansatts ferdighetssett og nåværende ferdighetsnivåer sammenlignet med jobbforventninger. Noen arbeidsgivere kombinerer ferdighetspoeng antydet av AI med selv- og / eller ledervurderte ferdighetsferdigheter for å forbedre "retningsnøyaktighet" (i stedet for å forvente nøyaktig justering).

Validerte ferdigheter hjelper organisasjoner med å forstå ansattes ferdighetspotensial og ytelse gjennom nøye utviklede, validerte tiltak. Validerte ferdigheter potensielle tiltak brukes vanligvis når man vurderer atferdsmessige snarere enn tekniske ferdigheter. De gir en forståelse av en persons preferanser og atferdstendenser, samt hvor villig og raskt en person lærer. 

Validerte ferdigheter demonstrasjon tiltak gir mulighet for enkeltpersoner å aktivt demonstrere et sett av ferdigheter i en simulert eller selve arbeidsmiljøet, for eksempel en arbeidsplass eksamen (virtuell eller personlig). Vanligvis har tekniske ferdigheter en tendens til å bli målt ved hjelp av denne metoden.  

I både vurderte og demonstrerte ferdighetsmetoder bestemmes ferdighet ved å benchmarking individets resultater mot det bredere markedet (enten på industri- eller jobbfamilienivå på regional eller global skala). 

Effektiv måling av ferdigheter er en viktig del av talentinnsiktens puslespill. Med en strategisk plan på plass, kan du nyte et fugleperspektiv av arbeidsstyrkens evne mens du jobber med enkeltpersoner for å lage personlig læring og karriereveier basert på forretningskritiske ferdigheter. Dette etablerer også et solid grunnlag for ytterligere AI for å hjelpe til med personalisering, nudging og coaching sammen med større klarhet for å støtte gyldigheten og etikken til dine beslutninger. Gjennomføring av en klar ferdighetsmålingsstrategi muliggjør bedre tilpasning av arbeid til enkeltpersoners ferdigheter og motivasjoner, kan drive smidige flyt-til-arbeid-modeller og vil forbedre nøyaktigheten av alle talentbeslutninger, inkludert strategisk arbeidsstyrkeplanlegging. 

Tiltrekke og beholde topp talent i en smidig makro miljø er avgjørende for suksess, og en vurdert ferdigheter målestrategi er avgjørende for å holde seg i forkant av spillet. Dette er kritisk kompetanse for HR og ledere å mestre. Tross alt er det dine ansatte som gir virksomheten din et konkurransefortrinn.

[1] Mercers 2024 Global Talent Trends-studie.

[2] Data fra Mercers Talent Management 2024-undersøkelse.

[3] Data fra Mercers spørreundersøkelse om ferdighetsbilde for 2024.

[4] Mercers 2024 Global Talent Trends-studie.

[5] Data fra Mercers spørreundersøkelse om ferdighetsbilde for 2024.